原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
/jacsauArticle
CalibratingDFTFormationEnthalpyCalculationsbyMultifidelity
MachineLearning
ShengGong,ShuoWang,TianXie,WooHyunChae,RunzeLiu,YangShao-Horn,*
andJeffreyC.Grossman*
CiteThis:JACSAu2022,2,1964−1977ReadOnline
MetricsMoreArticleRecommendationssıSupportingInformation
ACCESS*
.
s
e
l
c
i
t
rABSTRACT:Theapplicationofmachinelearningtopredictmaterialsproperties
a
dmeasuredbyexperimentsarevaluableyetdifficultduetothelimitedamountof
e
.h
)sexperimentaldata.Inthiswork,weuseamultifidelityrandomforestmodeltolearnthe
i
Cl
Tb
Uuexperimentalformationenthalpyofmaterialswithpredictionaccuracyhigherthanthe
p
(
3ePerdew−Burke−Ernzerhof(PBE)functionalwithlinearcorrection,PBEsol,andmeta-
r
1a
:h2
5sgeneralizedgradientapproximation(meta-GGA)functionals(SCANandrSCAN),and
0
:y
7litoutperformsthehotlystudieddeepneuralnetwork-basedrepresentationlearningand
0e
t
ta
atransferlearning.WethenusethemodeltocalibratetheDFTformationenthalpyinthe
m
5i
t
2iMaterialsProjectdatabaseanddiscovermaterialswithunderestimatedstability.The
0g
2e
l
6,omultifidelitymodelisalsousedasad
文档评论（0）